段欣荣 曹见飞 张宝雷 王召海

(山东师范大学地理与环境学院，250358，济南)

1 引 言

农作物分类是精细化农业、可持续发展农业等领域的重要研究内容[1].遥感技术与传统的实地调查相比具有快速高效、大面积同步观测的特点，已经成为农作物精细识别的重要手段.随着遥感技术的发展，新兴的高光谱技术获得多且连续的反射光谱信息，具有更高精度农作物信息识别的潜力，同样农作物生化参数的光谱分析难度也随之增加[2,3].

同一季节的农作物植被光谱特征相似，在受自然环境的影响下存在大量的干扰信息，掩盖部分可用的特征波段，精确提取表达植被生化参数的特征波段难度较大，在多分类中该问题尤为突出.现有的农作物光谱分析方法一般通过光谱预处理方法提取特征波段，然后利用这些特征参数构建光谱信息识别模型[4-8].李喆利用微分法与包络线去除法识别敏感的特征吸收峰，提取光谱吸收特征参数，构建估算草地光合有效辐射吸收率的光谱特征参数模型[4].黄双燕等通过单因素方差分析选择农作物光谱特征变量，利用不同机器学习验证特征变量的有效性[5].Cao等提取光谱特征、纹理特征和植被指数，构建识别红树林树种的多变量支持向量机模型[6].刘小丹等采用主成分分析和连续投影算法提取特征波长，利用偏最小二乘判别分析和支持向量机鉴别杂交稻品系[7].Xie等采用改进的gramm-schmidt方法识别有效波长，利用极端……